Python统计学11——分位数回归
Python实现分位数回归
Matlab回归分析
拟合模型的组建主要是处理好观测数据的误差，使用数学表达式从数量上近似因变量之间的关系拟合模型的组建是通过对有关变量的观测数据的观察、分析和选择恰当的数学表达防守得到的。回归平方和(SSR) : 反映自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y
stata基础--回归，画散点图，异质性分析
利用stata的内部数据来进行回归代码：sysuse autosysuse dir /*可以看到所有的数据*/su price mpg foreignreg price mpgpredict u,residual /*新变量u=每一个观测的残差*/ /*生成残差u需要紧接着回归*/mpg和pric
逐步回归 Matlab
逐步回归，是通过逐步将自变量输入模型，如果模型具统计学意义，并将其纳入在回归模型中。同时移出不具有统计学意义的变量。最终得到一个自动拟合的回归模型。其本质上还是线性回归。是回归分析中一种筛选变量的过程，我们可以使用逐步回归从一组候选变量中构建回归模型，让系统自动识别出有影响的变量。
数学建模-回归分析（Stata）
X是自变量，Y是因变量。目的是通过X去预测Y。一般处理模型像：期末成绩分析，Y是成绩，X是性别、是否是班干部、平时作业完成度等自变量。银行借贷成功率分析等问题。
标准高斯过程回归（Gaussian Processes Regression, GPR）从零开始，公式推导
标准高斯过程回归从零开始公式推导
【线性回归类算法的建模与评估】
讲解线性回归类算法的建模与评估
Pytorch：全连接神经网络-MLP回归
使用全连接神经网络(MLP)解决波士顿房价回归预测问题
Stata:中介效应理论及sgmediation命令做sobel检验
中介作用的检验模型可以用以下路径图来描述：方程(1)的系数c 为自变量X对因变量Y的总效应；方程(2)的系数a为自变量X对中介变量M的效应；方程(3)的系数b是在控制了自变量X的影响后，中介变量M对因变量Y的效应；方程(3)的系数c′是在控制了中介变量M 的影响后，自变量X对因变量Y的直接效应；系数
Lasso回归系列四：Group Lasso，Sparse Group Lasso
Lasso变体：Group Lasso，Sparse Group Lasso
【机器学习】支持向量回归
支持向量回归 SVR 回归模型 支持向量机 管道 惩罚 拉格朗日 KKT 对偶 互补松弛 支持向量 几何意义 间隔 边界 超平面
时间序列模型-ARIMA
主要介绍了ARIMA模型的基本概念和建模流程。
PyTorch深度学习-06逻辑斯蒂回归（快速入门）
本文详细介绍PyTorch深度学习的逻辑斯蒂函数，包括为什么要用逻辑斯蒂函数、比较回归与分析的不同、怎样将实数集映射到0-1区间，逻辑斯蒂函数模型及损失函数、逻辑斯蒂函数模型与线性函数模型的代码比较、完整代码及结果
人工智能导论(6)——机器学习(Machine Learning)
机器学习按照学习任务可以分为回归、分类、聚类、降维、密度估计、排序、优化。机器学习按照学习方式可以分为有监督学习、无监督学习、半监督学习、强化学习。机器学习按照模型可以分为几何模型、逻辑模型、网络模型、概率模型。回归、分类、排序都是有监督学习。聚类、降维、密度估计都属于无监督学习。线性回归、多项式回
新冠疫情预测模型--逻辑斯蒂回归拟合、SEIR模型
通过构建统计学模型、数学模型，或者利用机器学习、深度学习方法拟合疫情发展趋势，利用历史数据对未来的确诊病例等疫情形势进行预测，比如说，逻辑斯蒂生长曲线拟合数据，预测未来几天可能的发展趋势；或者利用时间序列模型构建预测模型；也可用LSTM构建预测模型，一种特殊的RNN网络。以上方法，除生长曲线外，
【机器学习】Logistic 分类回归算法 （二元分类 & 多元分类）
一、线性回归能用于分类吗？二、二元分类2.1假设函数2.1.1例子一2.1.2例子二2.2拟合logistic回归参数\thetaθ三、logistic代价函数3.1 y = 1的图像3.2 y = 0的图像四、 代价函数与梯度下降4.1 线性回归与logistic回归的梯度下降规则相同吗？五、高级
ARMA模型的性质之ARMA模型
一、ARMA模型的定义二、平稳条件与可逆条件三、传递形式与逆转形式四、ARMA(p,q)模型的统计性质1.均值2.自协方差函数3.自相关系数4.ARMA(p,q)模型自相关系数拖尾，偏自相关系数拖尾小结
人工智能-机器学习-深度学习-概述
线性代数是用虚拟数字世界表示真实物理世界的工具。
深度学习修炼（五）——基于pytorch神经网络模型进行气温预测
基于pytorch神经网络模型进行气温预测
机器学习-常用回归算法归纳(全网之最)
文章目录前言一元线性回归多元线性回归局部加权线性回归多项式回归Lasso回归 & Ridge回归Lasso回归Ridge回归岭回归和lasso回归的区别L1正则 & L2正则弹性网络回归贝叶斯岭回归Huber回归KNNSVMSVM最大间隔支持向量 & 支持向量平面寻找最大间隔
